update

README.md

@@ -0,0 +1,347 @@
+---
+layout: default
+title: 10. Image Segmentation
+subtitle: 산업비전의실제 과목
+---
+-----
+
+[PINBlog Gitea Repository](https://gitea.pinblog.codes/CBNU/10_Image_Segmentation)
+
+-----
+
+# Image Segmentation
+- 산업인공지능학과 대학원
+    2022254026
+        김홍열
+
+
+---
+
+
+# **Image Segmentation*
+### **K-Means, Watershed, GrabCut을 통한 이미지 분할**
+
+오늘은 이미지 분할(Image Segmentation)의 세 가지 대표적인 방법
+즉, K-Means, Watershed, 그리고 GrabCut에 대해 알아보려고 합니다. 
+이미지 분할은 이미지를 의미 있는 영역으로 나누는 과정입니다.
+
+
+# **1. 이미지 분할이란?**
+
+이미지 분할은 이미지를 여러 개의 세그먼트(segment)나 영역으로 나누는 과정입니다. 
+이를 통해 우리는 이미지 내의 특정 객체나 구조를 식별하고 분석할 수 있습니다.
+
+
+# **2. K-Means를 이용한 분할**
+
+- **원리**: K-Means는 클러스터링 알고리즘으로, 이미지의 픽셀 값을 기반으로 유사한 픽셀을 그룹화합니다.
+- **작동 방식**: 이미지의 각 픽셀에 대한 색상 값 (RGB 또는 HSV)을 사용하여 K 개의 클러스터를 형성합니다.
+- **사용 사례**: 이미지의 색상 기반 분할, 배경과 전경의 분리 등.
+
+---
+
+### 예제 코드[¶]()
+
+<details>
+<summary>K-Means</summary>
+<div markdown="1">
+  
+```python
+
+import cv2
+import numpy as np
+import matplotlib.pyplot as plt
+
+image = cv2.imread('./Lenna.png').astype(np.float32) / 255.
+image_lab = cv2.cvtColor(image, cv2.COLOR_BGR2Lab)
+
+data = image_lab.reshape((-1, 3))
+
+num_classes = 8
+criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 50, 0.1)
+_, labels, centers = cv2.kmeans(data, num_classes, None, criteria, 10, cv2.KMEANS_RANDOM_CENTERS)
+
+segmented_lab = centers[labels.flatten()].reshape(image.shape)
+segmented = cv2.cvtColor(segmented_lab, cv2.COLOR_Lab2RGB)
+
+plt.subplot(121)
+plt.axis('off')
+plt.title('original')
+plt.imshow(image[:,:,[2,1,0]])
+plt.subplot(122)
+plt.axis('off')
+plt.title('segmented')
+plt.imshow(segmented)
+plt.show()
+
+```
+
+</div>
+</details>
+
+<details>
+<summary>Result</summary>
+
+
+![Result](./seg1.png)
+
+
+<div markdown="1">
+</div>
+</details>
+
+# **3. Watershed 알고리즘**
+
+- **원리**: Watershed는 이미지의 그레이디언트를 '지형'으로 간주하고, '물'을 주입하여 분리된 영역을 생성하는 방식으로 작동합니다.
+- **작동 방식**: 이미지의 그레이디언트를 계산한 후, 지역 최소값에서 시작하여 '물'을 주입하면서 영역을 확장합니다.
+- **사용 사례**: 객체의 경계 탐지, 미세한 구조물 분리 등.
+
+---
+
+### 예제 코드[¶]()
+
+<details>
+<summary>Watershed</summary>
+<div markdown="1">
+  
+```python
+
+import cv2
+import numpy as np
+from random import randint
+
+img = cv2.imread('./lenna.png')
+show_img = np.copy(img)
+
+seeds = np.full(img.shape[0:2], 0, np.int32)
+segmentation = np.full(img.shape, 0, np.uint8)
+
+n_seeds = 9
+
+colors = []
+for m in range(n_seeds):
+    colors.append((255 * m / n_seeds, randint(0, 255), randint(0, 255)))
+
+
+mouse_pressed = False
+current_seed = 1
+seeds_updated = False
+
+
+def mouse_callback(event, x, y, flags, param):
+    global mouse_pressed, seeds_updated
+
+    if event == cv2.EVENT_LBUTTONDOWN:
+        mouse_pressed = True
+        cv2.circle(seeds, (x, y), 5, (current_seed), cv2.FILLED)
+        cv2.circle(show_img, (x, y), 5, colors[current_seed - 1], cv2.FILLED)
+        seeds_updated = True
+
+    elif event == cv2.EVENT_MOUSEMOVE:
+        if mouse_pressed:
+            cv2.circle(seeds, (x, y), 5, (current_seed), cv2.FILLED)
+            cv2.circle(show_img, (x, y), 5, colors[current_seed - 1], cv2.FILLED)
+            seeds_updated = True
+
+    elif event == cv2.EVENT_LBUTTONUP:
+        mouse_pressed = False
+
+
+cv2.namedWindow('image')
+cv2.setMouseCallback('image', mouse_callback)
+
+while True:
+    cv2.imshow('segmentation', segmentation)
+    cv2.imshow('image', show_img)
+
+    k = cv2.waitKey(1)
+
+    if k == 27:
+        break;
+    elif k == ord('c'):
+        show_img = np.copy(img)
+        seeds = np.full(img.shape[0:2], 0, np.int32)
+        segmentation = np.full(img.shape, 0, np.uint8)
+    elif k > 0 and chr(k).isdigit():
+        n = int(chr(k))
+        if 1 <= n <= n_seeds and not mouse_pressed:
+            current_seed = n
+
+    if seeds_updated and not mouse_pressed:
+        seeds_copy = np.copy(seeds)
+        cv2.watershed(img, seeds_copy)
+        segmentation = np.full(img.shape, 0, np.uint8)
+        for m in range(n_seeds):
+            segmentation[seeds_copy == (m + 1)] = colors[m]
+
+        seeds_updated = False
+        
+cv2.destroyAllWindows()
+
+```
+
+</div>
+</details>
+
+<details>
+<summary>Result</summary>
+
+
+![Result](./seg2.png)
+![Result](./seg3.png)
+
+
+<div markdown="1">
+</div>
+</details>
+
+
+# **4. GrabCut 알고리즘**
+
+- **원리**: GrabCut은 사용자의 간단한 주석(예: 전경과 배경의 대략적인 경계)을 기반으로 이미지를 분할합니다.
+- **작동 방식**: 초기 주석을 기반으로 그래프 컷(Graph Cut) 알고리즘을 사용하여 최적의 분할을 찾습니다.
+- **사용 사례**: 객체 추출, 이미지 편집, 배경 제거 등.
+
+---
+
+### 예제 코드[¶]()
+
+<details>
+<summary>Grabcut</summary>
+<div markdown="1">
+  
+```python
+
+import cv2
+import numpy as np
+
+img = cv2.imread('./lenna.png', cv2.IMREAD_COLOR)
+show_img = np.copy(img)
+
+mouse_pressed = False
+y = x = w = h = 0
+
+
+def mouse_callback(event, _x, _y, flags, param):
+    global show_img, x, y, w, h, mouse_pressed
+
+    if event == cv2.EVENT_LBUTTONDOWN:
+        mouse_pressed = True
+        x, y, = _x, _y
+        show_img = np.copy(img)
+
+    elif event == cv2.EVENT_MOUSEMOVE:
+        if mouse_pressed:
+            show_img = np.copy(img)
+            cv2.rectangle(show_img, (x, y), (_x, _y), (0, 255, 0), 3)
+
+    elif event == cv2.EVENT_LBUTTONUP:
+        mouse_pressed = False
+        w, h = _x - x, _y - y
+
+
+cv2.namedWindow('image')
+cv2.setMouseCallback('image', mouse_callback)
+
+while True:
+    cv2.imshow('image', show_img)
+    k = cv2.waitKey(1)
+
+    if k == ord('a') and not mouse_pressed:
+        if w * h > 0:
+            break
+
+cv2.destroyAllWindows()
+
+labels = np.zeros(img.shape[:2], np.uint8)
+labels, bgdModel, fgdModel = cv2.grabCut(img, labels, (x, y, w, h), None, None, 5, cv2.GC_INIT_WITH_RECT)
+
+show_img = np.copy(img)
+show_img[(labels == cv2.GC_PR_BGD) | (labels == cv2.GC_BGD)] //= 3
+
+cv2.imshow('image', show_img)
+cv2.waitKey()
+cv2.destroyAllWindows()
+
+
+label = cv2.GC_BGD
+lbl_clrs = {cv2.GC_BGD: (0, 0, 0), cv2.GC_FGD: (255, 255, 255)}
+
+
+def mouse_callback(event, x, y, flags, param):
+    global mouse_pressed
+
+    if event == cv2.EVENT_LBUTTONDOWN:
+        mouse_pressed = True
+        cv2.circle(labels, (x, y), 5, label, cv2.FILLED)
+        cv2.circle(show_img, (x, y), 5, lbl_clrs[label], cv2.FILLED)
+
+    elif event == cv2.EVENT_MOUSEMOVE:
+        if mouse_pressed:
+            cv2.circle(labels, (x, y), 5, label, cv2.FILLED)
+            cv2.circle(show_img, (x, y), 5, lbl_clrs[label], cv2.FILLED)
+
+    elif event == cv2.EVENT_LBUTTONUP:
+        mouse_pressed = False
+
+
+cv2.namedWindow('image')
+cv2.setMouseCallback('image', mouse_callback)
+
+while True:
+    cv2.imshow('image', show_img)
+    k = cv2.waitKey(1)
+
+    if k == ord('a') and not mouse_pressed:
+        break
+
+    elif k == ord('1'):
+        label = cv2.GC_FGD - label
+
+cv2.destroyAllWindows()
+
+
+labels, bgdModel, fgdModel = cv2.grabCut(img, labels, None, bgdModel, fgdModel, 5, cv2.GC_INIT_WITH_MASK)
+show_img = np.copy(img)
+show_img[(labels == cv2.GC_PR_BGD) | (labels == cv2.GC_BGD)] //= 3
+
+cv2.imshow('image', show_img)
+cv2.waitKey()
+cv2.destroyAllWindows()
+
+```
+
+</div>
+</details>
+
+<details>
+<summary>Result</summary>
+
+
+![Result](./seg4.png)
+![Result](./seg5.png)
+![Result](./seg6.png)
+![Result](./seg7.png)
+
+
+<div markdown="1">
+</div>
+</details>
+
+
+# **5. 결론**
+
+이미지 분할은 컴퓨터 비전의 핵심 작업 중 하나로, 다양한 알고리즘과 기법이 개발되어 왔습니다. 
+K-Means, Watershed, GrabCut은 그 중에서도 널리 사용되는 방법들입니다. 
+각 방법은 특정 상황과 요구 사항에 따라 장점과 단점을 가지므로, 적절한 알고리즘을 선택하는 것이 중요합니다.
+
+이렇게 이미지 분할의 세 가지 대표적인 방법을 간략하게 소개하는 블로그 포스트를 작성해 보았습니다. 
+다음 포스트에서는 실제 코드 예제와 함께 각 방법의 실제 응용 사례를 살펴보는 것도 좋을 것 같습니다!
+
+
+---
+
+### 참고[¶]()
+
+- 산업비전의실제 과목, 박태형 교수
+- ChatGPT

grabcut.py

@@ -31,6 +31,7 @@ cv2.setMouseCallback('image', mouse_callback)
 
 while True:
     cv2.imshow('image', show_img)
+    cv2.imwrite('seg4.png', show_img)
     k = cv2.waitKey(1)
 
     if k == ord('a') and not mouse_pressed:
@@ -46,6 +47,7 @@ show_img = np.copy(img)
 show_img[(labels == cv2.GC_PR_BGD) | (labels == cv2.GC_BGD)] //= 3
 
 cv2.imshow('image', show_img)
+cv2.imwrite('seg5.png', show_img)
 cv2.waitKey()
 cv2.destroyAllWindows()
 
@@ -76,6 +78,7 @@ cv2.setMouseCallback('image', mouse_callback)
 
 while True:
     cv2.imshow('image', show_img)
+    cv2.imwrite('seg6.png', show_img)
     k = cv2.waitKey(1)
 
     if k == ord('a') and not mouse_pressed:
@@ -92,5 +95,6 @@ show_img = np.copy(img)
 show_img[(labels == cv2.GC_PR_BGD) | (labels == cv2.GC_BGD)] //= 3
 
 cv2.imshow('image', show_img)
+cv2.imwrite('seg7.png', show_img)
 cv2.waitKey()
 cv2.destroyAllWindows()

watershed.py

@@ -45,6 +45,8 @@ cv2.setMouseCallback('image', mouse_callback)
 while True:
     cv2.imshow('segmentation', segmentation)
     cv2.imshow('image', show_img)
+    cv2.imwrite('seg2.png', show_img)
+    cv2.imwrite('seg3.png', segmentation)
 
     k = cv2.waitKey(1)